随着数字图书馆平台的大量开发,中国碑刻书法图像展示出了重要的历史和艺术价值。然而由于自然风化腐蚀或人为因素严重破坏了古代碑刻,使得采集到的图像不可避免的受到噪声的污染,进而给人们研究学习书法带来了较大的困难与缺憾。因此,研究如何对污损的碑刻文字图片进行图像去噪,无疑对书法的传承和发扬具有重要意义。近年来,基于深度学习的去噪算法如雨后春笋般不断涌现。然而,针对碑刻书法图像去噪任务仍面临诸多难题,如碑刻书法图像数据集不够充足、去噪算法无法有效处理碑刻书法图像中的多种噪声类型、去噪算法无法在消除噪声的同时又保证字体笔画不被破坏。本文针对碑刻书法图像去噪任务中面临的问题,结合生成对抗网络、密集连接机制、注意力机制以及空洞卷积,着力利用深度学习的去噪算法来解决去噪问题。本文的主要工作内容如下:针对碑刻书法图像数据集中数据对不充足的问题,提出了一种离线数据集增强的方法。该方法首先基于图像噪声模型,在已知噪声图像和其对应的干净图像的情况下提取出噪声图,并对噪声图的各种基本变换获得新的噪声图,最后将新的噪声图添加到干净图像或叠加到现有噪声图像中,进而生成大量的图像数据对来解决数据集不足的问题。针对碑刻书法图像去噪任务,提出了一种基于生成对抗网络的碑刻书法图像去噪模型。对于网络中难以充分利用各层提取特征的问题,在生成器中引入了密集连接块,其能够充分利用每个卷积层中的信息。在判别器中利用Patch GAN的思想,使用小块图像进行判别器的训练。它具有更少的网络参数,且能够在图像生成任务中保持生成图像的高分辨率和局部纹理细节。在不同噪声类型的碑刻书法图像数据集中,实验结果表明该算法在处理点状噪声和划痕噪声上有较好的性能。针对上述去噪任务所设计的去噪算法中出现去噪后的图像中部分噪声没有完全消除和字体笔画损失的问题,本文研究考虑结合注意力机制和自编码器,提出了一种基于注意力机制生成对抗网络的碑刻图像去噪算法。该算法为两步式去噪算法,首先在循环网络中利用注意力机制找到噪声图像中的噪声区域,随后通过噪声图引导去噪自编码器进行去噪。去噪自编码器中使用空洞卷积代替普通卷积,用于扩大感受野,提升了算法的去噪性能。实验验证了注意力机制的有效性,并在去噪性能上优于其它的端到端算法。该算法能在去噪的同时有效保留原图像文字中的笔画细节,并能在多种噪声类型的碑刻书法图像中表现出优秀性能。